Srovnání paradigmat strojového učení

Abstract

Cílem práce je shrnout teorii strojového učení v multiagentních systémech, jejich základních paradigmat a pomocí implementace porovnat základní rysy a funkcionality vybraných metod strojového učení. První část práce se zabývá představením strojového učení a popisem jednotlivých paradigmat. Druhá část je věnovaná případové studii.

The aim of this thesis is to summarize the theory of machine learning in multi-agent systems, their basic paradigms and compare the basic features and functionalities of selected machine learning methods through implementation. The first part of the thesis deals with the introduction of machine learning and the description of each paradigm. The second part devoted to a case study.